《表1 疲劳驾驶行为特征：多特征融合的随机森林疲劳驾驶识别算法》
提示：宽带有限、当前游客访问压缩模式
基于上述工作生成表征驾驶员疲劳驾驶状态的10维特征向量，其物理意义如表1所示。
| 图表编号 | XD00222623800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.15 |
| 作者 | 吴士力、唐振民、刘永 |
| 绘制单位 | 南京理工大学计算机科学与工程学院、南京交通职业技术学院汽车工程学院长安福特实验室、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各模型的疲劳驾驶识别结果》2020.10.15
- 《表2 疲劳样本参数：多特征融合的随机森林疲劳驾驶识别算法》2020.10.15
- 《表3 结构方程模型结果：多特征融合的行为识别模型》2020.12.16
- 《表2 三组患者一般资料：多特征融合的行为识别模型》2020.12.16
- 《表1 参数指标：多特征融合的行为识别模型》2020.12.16
- 《表7 模型信息对比：驾驶行为多重分形特征在驾驶疲劳检测中的应用》2021.03.01
- 《表2 试验路段构成：基于脉搏波特征融合的驾驶疲劳检测方法》2020.06.01
- 《表5 三种算法性能对比：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表2 驾驶行为特征与疲劳驾驶的相关系数Tabel 2 Correlation coefficient of driving behavior characteristics》2020.08.01
- 《表1：疲劳判断实验结果：基于人脸识别技术的汽车防疲劳驾驶系统》2020.06.15
- 《表1 实验硬件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表4 算法对比结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表3 验证结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表5 眼部参数权重：基于眼部信息融合的疲劳驾驶检测的研究》2019.10.01
- 《表3 国内文献检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表2 国外专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表1 国内专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表2 分类算法结果比较：基于随机森林分类优化的多特征语音情感识别》2019.01.05
- 《表3 驾驶室随机载荷谱疲劳寿命分析结果》2019.11.30
- 《表2 不同融合位置对疲劳驾驶检测准确率的影响》2019.12.01